En data scientist udtrækker indsigt fra komplekse data. De bygger modeller, kører eksperimenter og besvarer spørgsmål, der kræver mere end en forespørgsel. Vil denne kunde frafalde? Hvilken pris maksimerer omsætningen? Hvilke patienter er i risiko for genindlæggelse? Jobbet kombinerer statistik, programmering og domæneviden. De bedste data scientists forstår både forretningen og matematikken.

Rollen har udviklet sig. Tidlige data scientists gjorde alt: dataoprydning, modellering, implementering. Moderne teams deler ofte arbejdet. Dataingeniører håndterer pipelines. Maskinlæringsingeniører implementerer modeller. Data scientists fokuserer på analyse og eksperimentering. Værktøjerne er Python og R, med biblioteker som pandas, scikit-learn og TensorFlow. SQL er fortsat essentielt. Kommunikationsevner er lige så vigtige som tekniske. En model, som ingen forstår eller stoler på, vil ikke blive brugt. Data scientists skal forklare deres resultater til ledere, produktchefer og ingeniører. De skal være ærlige omkring usikkerhed. En forudsigelse med 70 procents sikkerhed er ikke en garanti. Den sværeste del er ikke at bygge modellen. Det handler om at få organisationen til at handle på, hvad modellen siger. Det kræver tillid, og tillid kræver klar kommunikation.

Data scientist færdigheder

• Statistik — hypotesetestning, regression, sandsynlighed
• Programmering — Python, R, SQL
• Maskinlæring — modelvalg, træning, evaluering
• Domænekendskab — forståelse af forretningsproblemet
• Kommunikation — tydelig forklaring af resultater

En data scientist er delvist analytiker, delvist ingeniør, delvist oversætter. Titlen er bred, fordi arbejdet er bredt.